Verteilung der Preiserhöhungen - Seite 5

 
Alexander Sevastyanov:

Ich glaube, dass es nicht sehr effizient ist, mit bloßen Schritten zu arbeiten. Farbverläufe sollten an einen bestimmten Kontext gebunden sein (Filter, Ereignisse, Bedingungen). D.h. es wäre richtiger, die Zeitreihe in Komponenten zu differenzieren (aufzuteilen) und diese getrennt voneinander zu verarbeiten. Solche Merkmale können sein:

  • Tage der Woche,
  • Zeiträume, in denen die Nachrichten das Währungspaar stören, 2-3 Stunden Flaute vor den Nachrichten, übliche Marktbedingungen.
  • Handelssitzungen.
  • Es könnte noch viel mehr verschiedene Klassifizierungen geben.
Ein und dasselbe Inkrement kann und wird unter verschiedenen Bedingungen eine unterschiedliche Wirkung haben. Möglicherweise wird sich auch die Art der Verteilung der Inkremente von Ihrem ursprünglichen t2 zu einem anderen ändern, und höchstwahrscheinlich werden sich die Verteilungsparameter je nach den Merkmalen ändern.


Ich denke, es sind die Nettozuschläge, die genommen werden sollten. Es ist ihnen, dass Sie das Bild in der beigefügten Datei von Verteilungen (siehe oben Post zum Thema) vorgestellt zu sehen. nicht vergessen, dass es eine Stichprobe von Daten für etwa einen Monat (mehr als eine Million Zitate)

 

Hier ist, was ich sonst noch denke. Die GARCH-Modelle sind sicherlich gut, aber sie sind nur Hypothesen. Es gibt keine strenge mathematische Begründung dafür.

Eine strenge Begründung wird nur dann gegeben, wenn jemand sagt: "Die Verteilung eines gleitenden stichprobengewichteten Durchschnitts oder jede andere Schätzung von Erwartung und Varianz des Prozesses, für den die Verteilung der Inkremente eine t2-Verteilung ist, ist auch eine t2-Verteilung (oder eine andere)". Natürlich mit einem Bezug zur Literatur.

Das wäre ein echter Durchbruch für das Verständnis des Prozesses.

Ich warte immer noch auf eine solche Person - es muss eine geben :))))))

 

Ja, bitte entschuldigen Sie die zuvor angehängte "abgeschnittene" Excel-Datei (beim Speichern im Excel 97-2003-Format sind die meisten Daten verloren gegangen)

Jetzt füge ich die "echte" Datei EURUSD_Ask an.

Wie auch immer, es ändert nichts am Kern der Sache - alles, was oben beschrieben wurde, ist wahr und interessant genug, aber leider gibt es kein Verständnis für die allgemeine Wahrscheinlichkeitsverteilung des Preises, und daher kein Verständnis für den Verlauf des Prozesses, der ein Muss ist, wenn man in jedem Geschäft erfolgreich sein will.

Nun, das ist meine ganz persönliche Meinung als alter Mann ^))) - ich freue mich, wenn ich mich irre.

Hochachtungsvoll,

Alexander_K

Dateien:
 

Ich habe immer noch nicht darauf gewartet, dass mir jemand eine Analogie zu Lyapunovs TPT für die Preisverteilung von Wechselkursen liefert:)))

Ich betrachte das Thema als abgeschlossen.

Schlussfolgerungen:

Der Prozess der Wechselkursbildung als Ergebnis des Handels ist ein nicht markovianischer Prozess (so genannter "Gedächtnisprozess"), bei dem der aktuelle und der vorherige Preis durch eine Student's t-Verteilung mit 2 Freiheitsgraden miteinander verbunden sind.

Ja... Es ist äußerst schwierig, mit einer solchen Bestie fertig zu werden. Ich ziehe meinen Hut vor den Händlern, die mit Gewinn arbeiten - das ist einfach eine Kunst.

Und was sollen einfache Physiker-Mathematiker wie ich tun? Ich werde versuchen, es mit der üblichen Mittelwertbildung von allem und jedem - Dispersionen, Kurtosis, Asymmetrien usw. usw. auf signifikanten Stichprobengrößen zu behandeln, wie es sowjetische Ingenieure zu tun pflegten, wenn sie versuchten, Prozesse innerhalb einiger Rahmen zu steuern.

Zum Schluss lege ich die Tick-Historien dar, mit denen ich gearbeitet habe. Jeder enthält mehr als eine Million aufeinanderfolgend gesammelte Kurse ohne Störungen oder Auslassungen aus dem NDD-Demokonto.

 

CADJPY

Dateien:
CADJPY.zip  13311 kb
 
AUDJPY
Dateien:
AUDJPY.zip  13305 kb
 
EURGBP
Dateien:
EURGBP.zip  13166 kb
 
EURJPY
Dateien:
EURJPY.zip  13447 kb
 
EURUSD
Dateien:
EURUSD.zip  13245 kb
 

Viel Glück!

Herzliche Grüße,

Alexander_K

Grund der Beschwerde: